[Deep learning 공부] 딥러닝 공부 포스팅링크 업로드

제대로 공부해보기 위한 커리큘럼!

 

1. 기초 지식 학습

수학 및 통계

•  선형대수학 : 벡터, 행렬, 행렬곱, 고유값, 고유벡터
• 미분방정식 및 미적분학 : 편미분, 기울기, 체인룰
• 확률 및 통계 : 확률 분포, 기대값, 분산, 조건부 확률

프로그래밍

• python 프로그래밍 : 기본 문법, 자료 구조, 함수 클래스
• 라이브러리 : Numpy, Pandas, Maplotlib

2. 기초 머신러닝

• 기초개념 : 지도학습, 비지도 학습, 분류, 회귀
• 기본 알고리즘 : 선형회귀, 로지스틱 회귀, K-Nearest-Neighbor, 결정 트리, SVM
• 평가 방법 : 교차 검증, 과적합과 과소적합, ROC곡선

3. 딥러닝 기초

• 신경망 기본 개념 : 퍼셉트론, 활성화 함수, 역전파 알고리즘
• 프레임워크 소개 : TensorFlow, Keras, PyTorch

필수강의? 

Coursera : Andrew Ng - Deep learning Specialization

책 : Deep learning by lan Goodfellow, yoshua Bengio, and Aaron Courvile

4. 심화 딥러닝

• 심층 신경망 (DNN) : 네트워크 구조, 층 쌓기
• 정규화 기법 : 드롭아웃, 배치 정규화
• 최적화 기법 : SGD, Adam, RMSprop

5. 특화된 딥러닝 분야

• 합성곱 신경망(CNN) : 이미지 처리, 다양한 아키텍처 (VGG, ResNet)
• 순환 신경망 (RNN) : 시계열 데이터, LSTM, GRU 
• 자연어 처리 (NLP) : 임베딩, 트랜스포머, BERT, GPT
• 강화 학습(RL) : Q-learning, Deep Q-N